Date

• March 14, 2003

Speaker

• Ricardo Daniel Ribeiro

Abstract (in Portuguese)

Descreve-se o desenvolvimento de um sistema de anotação morfossintáctica desambiguada para o Português. A motivação principal para o desenvolvimento deste sistema foi a sua integração num sistema de síntese de fala a partir de texto. A arquitectura do anotador compreende um módulo de análise morfológica e um módulo de desambiguação morfossintáctica. A utilização de um módulo de análise morfológica baseou-se no facto das línguas neolatinas, como o Português, serem mais flexionadas que o Inglês, fazendo com que muitas vezes não ocorram em corpora os exemplos necessários ao desenvolvimento de modelos de língua fiáveis -- problema da esparsidade dos dados. O módulo de desambiguação combina duas abordagens diferentes: desambiguação baseada em regras orientadas linguisticamente e desambiguação probabilística. O sistema foi desenvolvido com base no corpus PAROLE anotado e desambiguado.

Os resultados alcançados demonstram que a arquitectura se adequa ao Português Europeu. Embora seja difícil comparar este sistema com outros desenvolvidos para a língua Portuguesa -- por não se usaram os mesmos conjuntos de etiquetas ou os mesmos corpora, entre outros aspectos --, o sistema apresentado evidencia um desempenho superior.

Adicionalmente, importa ainda realçar os esforços envidados para garantir o carácter modular do sistema, por um lado, permitindo a fácil substituição de módulos e, por outro, simplicidade na integração com outros sistemas.